llm_wiki/wiki/EgoCentric数据采集与具身智能发展.md at a6f05ab2d51d5b752f3b6d51261ca49d67cca8b0

Files

T

hehaiguang1123 a6f05ab2d5 Phase 0-2: Schema cleanup, typed relations, event-driven automation

- Phase 0: AGENTS.md cleanup (dedup quotes, renumber sections, merge qmd)
- Phase 1: typed relations (manage-relations.py, graph-search.py, check-staleness.py, detect-conflicts.py)
- Phase 2: frontmatter validator, weekly lint, knowledge promotion, git hooks
- Fix .gitignore to track tools/ and .githooks/
- Fix git remote URL (remove plaintext token)
- New wiki pages: 504 pages, 34 raw sources

2026-07-01 08:05:43 +08:00

2.1 KiB

Raw Blame History

categories, tags, created, source, type, aliases

数据采集新模式

采集方式

方式	说明
设备	摄像头头戴设备
场景	工厂工人日常劳动过程
同步性	边劳动边采集

全球零工经济布局

公司	规模	地区	报酬
Micro1	~50万工人	东南亚、非洲、南美洲	$15/小时

时薪$15，显著高于当地平均工资

重点采集内容

叠衣服
洗碗
做饭
其他家务动作

数据处理流程

佩戴设备采集
    ↓
AI初步标注
    ↓
人工双重审核
    ↓
标准化训练数据集
    ↓
具身智能模型训练

技术验证

项目	状态	说明
英伟达 EGO Free	✅ 已验证	证实此类数据对具身智能的训练价值
中外厂商	跟进中	相继在模型中集成此类数据

行业变革对比

维度	传统方式	EgoCentric方式	优势
场景	实验室环境	真实生活场景	更自然
设备	专业设备	普通智能手机	成本降低87%
操作	技术团队	普通人可完成	可扩展性强

核心结论

当 EgoCentric 数据成为主流训练素材时，将开启"全民数据采集员"的新时代，从根本上改变机器人开发的数据获取方式。

关键优势

自然性 — 真实生活场景，非刻意表演
低成本 — 设备简单，普通人可操作
可扩展 — 全球零工模式，快速规模化
高效性 — 边劳动边采集，一举两得

2.1 KiB Raw Blame History

EgoCentric数据采集与具身智能发展

数据采集新模式

采集方式

全球零工经济布局

重点采集内容

数据处理流程

技术验证

行业变革对比

核心结论

关键优势

相关概念

2.1 KiB

Raw Blame History